|
|
Konvoluční neuronová síť pro segmentaci obrazu
Mitrenga, Michal ; Petyovský, Petr (oponent) ; Jirsík, Václav (vedoucí práce)
Cílem bakalářské práce je seznámit se s problematikou konvolučních neuronových sítí a realizovat segmentaci obrazu. Toto téma v sobě zahrnuje obor počítačového vidění, který je používán v systémech s umělou inteligencí. Zvláštní pozornost je věnována procesu segmentace obrazu. Dále se práce věnuje základním principům umělých neuronových sítí, struktuře konvolučních neuronových sítí a zejména pak popisu jednotlivých architektur sémantické segmentace. Vybraná architektura SegNet je použiti v praktické aplikaci spolu s před-učenou sítí. Součástí práce je databáze obrazů CamVid, která je použita pro trénování. Pro testování je vytvořena databáze vlastních snímků. Praktická část je zaměřená na trénování CNN a hledání nevhodnějších parametrů pro učení sítě za pomocí SW Matlab.
|
|
|
Development of a universal cell for optical part inspection in a robotic workplace
Cahlík, Radim ; Rajchl, Matej (oponent) ; Adámek, Roman (vedoucí práce)
The aim of this master's thesis is to develop a universal cell for optical part inspection including defects detection software that utilises artificial intelligence methods. Another goal is to integrate the cell into a robotic workplace and to test it on distinct parts with different defects. The first part of the thesis describes the development of the optical cell concept and its design. After that, the optical inspection system is covered, starting with a description of the lens and camera, followed by the analysis of the inspection software, which uses the convolutional neural network for defect detection. The next part deals with the development of a robotic workplace including the design of a two degrees of freedom robot and the communication between the devices. In the end, testing on two distinct parts to verify its functioning is discussed.
|
|
|
Defect detection on fiber materials using machine learning
Lang, Matěj ; Richter, Miloslav (oponent) ; Honec, Peter (vedoucí práce)
Following Master's Thesis is presenting the creation of scanning unit, that will automate the quality check process in company SILON, for their fibered material. The process of manual detection is discussed and the automated solution is proposed. Several test are shown, that demonstrate effects of different lights on fibres dyed in Rhodamine. Optimal filter for camera is chosen, to achieve images with highest resolution possible and with enough definition. Next, the software tools for hardware control are presented and tools for building neural networks. Also, some basic info on current state of the art is provided, to explain some of the tools used. The network itself is shown and also its learning process and capabilities of defect detection.
|
|
|
Image annotation using deep learning
Zarapina, Natalya ; Rajnoha, Martin (oponent) ; Burget, Radim (vedoucí práce)
This semester thesis describes the design and implementation of the client-server program for classification and localization of certain elements which are present in provided images. This program loads a set of images and use deep learning, especially deep convolution neural network perform a classification. First part describes the architecture, basic principles of operations in convolution network and chosen machine learning algorithms for classification. Second part contains a description of created program.
|
|
|
Depth-Based Determination of a 3D Hand Position
Ondris, Ladislav ; Tinka, Jan (oponent) ; Drahanský, Martin (vedoucí práce)
This work aims to offer a real-time, depth-based gesture recognition system using a hand's skeletal information. The Tiny YOLOv3 neural network detects the hand in the depth image. The detected hand is rid of the background and used by the JGR-P2O neural network, which estimates the hand's skeleton represented by 21 key points. Furthermore, a novel technique for gesture recognition from hand key points that compares the input skeleton with user-defined gestures has been proposed. A dataset consisting of four thousand images was captured to evaluate the system.
|
|
|
Named Entity Recognition Exploiting Sub Word Information
Dobrovodský, Patrik ; Egorova, Ekaterina (oponent) ; Kesiraju, Santosh (vedoucí práce)
The aim of this thesis is the creation of a Named Entity Recognition system based on an older state-of-the-art model and studying how subword information can improve the recognition of out-of-vocabulary words. This proposed system besides English has to support two additional Indo-European languages: German and Hungarian. This work features a named entity tagger based on deep learning using pretrained and custom-trained word embeddings, sparse features, and character embeddings extracted by a Convolutional Neural Network. All these features are then processed by sequence-based (bidirectional Long Short-Term Memory) and feature-based (Conditional Random Field) approaches with the goal of achieving a F1-score similar to the work it is based on, and to compare how far present time state-of-the-art systems have evolved. The result is a system that achieves a 90.98% F1-score on the CoNLL 2003 English test dataset using pretrained word embeddings, not far behind the original work's 91.26%. For the other two languages, the model scores 89.34% on the WikiAnn German test dataset and 93.04% on the WikiAnn Hungarian test dataset with the usage of custom-trained embeddings.
|
|
|
Image Super-Resolution Using Deep Learning
Mojžiš, Tomáš ; Beran, Vítězslav (oponent) ; Španěl, Michal (vedoucí práce)
The aim of this thesis is to create a deep neural net capable of super-resolution on images acquired by electron microscopes. The thesis consists of two parts - finding appropriate data and creating a dataset for the super-resolution task and designing a neural net architecture capable of solving the super-resolution task. Within the thesis, two datasets comprised of images acquired by electron microscopes were created. The datasets differ in the approach to data augmentation. They allow to train a neural network which fulfills the super-resolution task. To solve this task, two U-Net based and one GAN based architecture were trained. The resolution of images was upscaled by a factor of two and four. The best artificially upscaled images were created by neural network Real-ESRGAN. The values of metrics were not higher than the tested interpolation method, but the images seem more visually pleasing especially when they were upscaled four times. Thanks to this thesis, two datasets were created allowing to train other possible neural network architectures to improve the quality of the artificially upscaled images. The neural networks trained in this thesis can be utilized in the process of acquiring higher quality data from low resolution electron microscope images.
|
|
|
Segmentace obrazových dat pomocí hlubokých neuronových sítí
Pazderka, Radek ; Šůstek, Martin (oponent) ; Rozman, Jaroslav (vedoucí práce)
Tato diplomová práce se zaměřuje na segmentaci scény z dopravního prostředí. Řešením tohoto problému jsou segmentační neuronové sítě, které umožňují klasifikovat každý pixel scény. V rámci této diplomové práce byla vytvořena vlastní segmentační neuronová síť, která dosáhla lepších výsledků než dosavadní state-of-the-art architektury. Práce se také zaměřuje na segmentaci ptačích pohledů na vozovku, ze kterých neexistují volně dostupné anotované datové sady. za tímto účelem byl vytvořen automatický nástroj pro generování syntetických datových sad z PC hry Grand Theft Auto V. Práce srovnává sítě trénované pouze na syntetických datech a sítě trénované na společně reálných a syntetických datech. Experimenty dokazují, že syntetická data lze využít na segmentaci dat z reálného prostředí. Také byl implementován systém, který umožňuje veškerou práci se segmentačními neuronovými sítěmi.
|
|
|
Rozpoznávání textu pomocí konvolučních sítí
Csóka, Pavel ; Behúň, Kamil (oponent) ; Hradiš, Michal (vedoucí práce)
Tato práce se zabývá tvorbou nových datových sad pro účely strojového učení rozpoznávání textu z fotografií a experimenty s konvolučními neuronovými sítěmi na těchto sadách. Popisuje architekturu konvolučních sítí, problémy rozpoznávání z fotografií a současné práce využívající tyto sítě. Dále tvorbu anotace datové sady fotografií stránek dokumentů, pořízených mobilními telefony, nazvané Mobile Page Photos. K anotaci je využit Tesseract OCR. Z této sady jsou vyříznutím znaků z fotografií vytvořeny dvě další. Jedná se o sady znaků dobře čitelných Mobile Nice Page Photos Characters a dobře i spatně až nečitelných Mobile Page Photos Characters, ve formátu datové sady číslic Street View House Numbers. S třemi vytvořenými modely konvolučních sítí jsou na datových sadách provedeny experimenty s rozpoznáváním textu, s jejichž pomocí je také odhadnuta chyba anotace.
|
|
|
Rozpoznávání tváří
Benda, Tomáš ; Hradiš, Michal (oponent) ; Smrž, Pavel (vedoucí práce)
Tato práce se zabývá rozpoznáváním lidí ve videozáznamu, respektive z kamery. K rozeznávání obličejů byla použita konvoluční neuronová síť, díky které získáme několika dimenzionální vektor rysů, pomocí kterého je možno zjistit totožnost osoby. Na systém jsou kladeny nároky, aby byl schopen pracovat v reálném čase a mohl být použit například pro rozpoznávání osob na různých konferencích, či jako součást bezpečnostního systému. Samotný systém je napsán v jazyce Python. Součástí této práce byla vytvořena datová sada ve formě videí s osobami.
|
host ::
RSS.